Base de datos con el Ćndice de calidad de plĆ”ntulas bajo dos tratamientos: Control (Ctrl) y con Fertilizante (Fert). PĆ”gina de descarga de datos:
https://mgtagle.wordpress.com/category/laboratorios-r/base-de-datos/.
2025-08-28
Base de datos con el Ćndice de calidad de plĆ”ntulas bajo dos tratamientos: Control (Ctrl) y con Fertilizante (Fert). PĆ”gina de descarga de datos:
https://mgtagle.wordpress.com/category/laboratorios-r/base-de-datos/.
var.equal = TRUE (Student).Buenas prƔcticas
df_ctrl <- subset(calidad, Tratamiento == "Ctrl") df_fert <- subset(calidad, Tratamiento == "Fert") par(mfrow = c(1, 2)) qqnorm(df_ctrl$IE); qqline(df_ctrl$IE) qqnorm(df_fert$IE); qqline(df_fert$IE)
# Normalidad de los datos shapiro.test(df_ctrl$IE)
## ## Shapiro-Wilk normality test ## ## data: df_ctrl$IE ## W = 0.9532, p-value = 0.3908
shapiro.test(df_fert$IE)
## ## Shapiro-Wilk normality test ## ## data: df_fert$IE ## W = 0.95339, p-value = 0.3941
var.test(calidad$IE ~ calidad$Tratamiento)
## ## F test to compare two variances ## ## data: calidad$IE by calidad$Tratamiento ## F = 0.41068, num df = 20, denom df = 20, p-value = 0.05304 ## alternative hypothesis: true ratio of variances is not equal to 1 ## 95 percent confidence interval: ## 0.1666376 1.0121038 ## sample estimates: ## ratio of variances ## 0.4106757
var.test(df_ctrl$IE, df_fert$IE)
## ## F test to compare two variances ## ## data: df_ctrl$IE and df_fert$IE ## F = 0.41068, num df = 20, denom df = 20, p-value = 0.05304 ## alternative hypothesis: true ratio of variances is not equal to 1 ## 95 percent confidence interval: ## 0.1666376 1.0121038 ## sample estimates: ## ratio of variances ## 0.4106757
El valor de P para la prueba de homogeneidad es 0.053
La prueba de t tiene tres opciones: “two.sided”, “greater”, “less”
## ## Two Sample t-test ## ## data: calidad$IE by calidad$Tratamiento ## t = -2.9813, df = 40, p-value = 0.004868 ## alternative hypothesis: true difference in means between group Ctrl and group Fert is not equal to 0 ## 95 percent confidence interval: ## -0.23331192 -0.04478332 ## sample estimates: ## mean in group Ctrl mean in group Fert ## 0.7676190 0.9066667
t.test(calidad$IE ~ calidad$Tratamiento, alternative = "two.sided", var.equal = T)
## ## Two Sample t-test ## ## data: calidad$IE by calidad$Tratamiento ## t = -2.9813, df = 40, p-value = 0.004868 ## alternative hypothesis: true difference in means between group Ctrl and group Fert is not equal to 0 ## 95 percent confidence interval: ## -0.23331192 -0.04478332 ## sample estimates: ## mean in group Ctrl mean in group Fert ## 0.7676190 0.9066667
Reportar datos
t (40) = -2.981253, p = 0.00487
IC95% = [-0.23, -0.04]
TamaƱo del efecto (Cohenās)
\[ d = \frac{\bar{X}_1 - \bar{X}_2}{s_p} \]
donde sp es la desviación estÔndar agrupada:
\[ s_p = \sqrt{ \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2} } \]
Magnitudes de referencia de la prueba:
\[ |d| \approx 0.2 \quad \text{(pequeƱo)}, \quad |d| \approx 0.5 \quad \text{(mediano)}, \quad |d| \approx 0.8 \quad \text{(grande)} \]
Se puede crear una función para automatizar el resultado de la prueba
cohens_efecto <- function(x, y) {
n1 <- length(x); n2 <- length(y)
s1 <- sd(x); s2 <- sd(y)
sp <- sqrt(((n1 - 1) * s1^2 + (n2 - 1) * s2^2) / (n1 + n2 - 2))
(mean(x) - mean(y)) / sp
}
d_cal <- cohens_efecto(df_ctrl$IE, df_fert$IE)
d_cal
## [1] -0.9200347
el efecto del fertilizante es -0.92
Se realizó una prueba t para muestras independientes (Ctrl vs.Ā Fert), asumiendo varianzas iguales. Se encontró una diferencia significativa, t (40) = -2.981253, p = 0.00487. El grupo Fert mostró una media mayor (0.9066667) que el grupo Ctrl (0.767619). La diferencia de medias fue de -0.139 y el IC95% = [-0.23, -0.04]. El tamaƱo del efecto fue grande (d=-0.9200347) lo que indica que la fertilización tuvo un efecto sustancial sobre el Ćndice de calidad.